近日，山東農業(yè)大學機械與電子工程學院閆銀發(fā)教授團隊在《Soil & Tillage Research》上發(fā)表題為“Multi-spectral evaluation of total nitrogen, phosphorus and potassium content in soil using Vis-NIR spectroscopy based on a modified support vector machine with whale optimization algorithm”的最新研究成果。機電學院劉莫塵副教授為第一作者，楊慶璐副教授、鹿瑤副教授為共同通訊作者，山東農業(yè)大學為第一通訊單位。

土壤中的營養(yǎng)元素如氮、磷、鉀，對作物生長至關重要。土壤養(yǎng)分均衡不僅能有效提升作物產量，而且能促進早期植物根系的形成和生長，提高植物適應外界環(huán)境條件的能力。長期以來的過度施肥等不合理施肥方法導致農業(yè)生產水平及效率低下、肥料資源浪費嚴重，制約綠色循環(huán)農業(yè)的發(fā)展。因此，準確獲取土壤養(yǎng)分含量對于指導合理施肥、提升產量和實現現代精準農業(yè)具有重要意義。目前，傳統的化學檢測方法雖精確，但耗時、檢測周期長且操作復雜，無法提供土壤中養(yǎng)分的時空分布特征信息，難以滿足快速、非破壞性檢測的需求。

圖1 基于WOA-SVM算法的土壤中氮、磷、鉀含量多光譜預測評估

針對以上技術難題，研究團隊采用可見-近紅外光譜（Vis-NIR，350–2500 nm）檢測手段，開發(fā)一種基于機器學習算法的快速、低成本、高精度的土壤營養(yǎng)成分檢測方法，特別針對總氮（TN）、總磷（TP）和總鉀（TK）的精準測定，助力現代化精準農業(yè)的發(fā)展。具體的，本研究采用融合徑向基核函數（RBF）與多項式核函數（Poly）的RBF-Poly混合核函數，聯合支持向量機（SVM）定量預測算法，構建土壤中總氮、總磷、總鉀等養(yǎng)分的定量預測模型。引入鯨魚優(yōu)化算法（WOA）優(yōu)化模型中g（核函數參數）、c（懲罰因子）和γ（權重系數）參數，優(yōu)化模型預測結果。研究結果表明，對于TN、TP和TK的最優(yōu)模型驗證集預測結果分別為0.902、0.937和0.904，模型剩余預測偏差分別達到3.206、3.939和2.608，為準確、無損檢測土壤養(yǎng)分提供了穩(wěn)定可靠的預測模型。該研究成果在農業(yè)與環(huán)境管理實踐中具有重要應用價值，有助于實現更高效、更準確的土壤養(yǎng)分監(jiān)測與管理。

圖2 基于SPA的土壤中氮（a）、磷（b）、鉀（c）特征提取結果

圖3 鯨魚優(yōu)化算法（WOA）參數優(yōu)化結果

該研究得到了國家重點研發(fā)計劃項目以及山東省自然科學基金項目的資助。

編      輯：萬    千 

審      核：賈    波